这篇文章用形象的图片结合实例阐述了 LSTM（长短期记忆网络） 出现的背景以及它的工作方式。Distill 和 Anthropic 的 co founder。LSTM 可以解决 RNN（循环神经网络）无法「记住」距离当前处理 Seq 较远的内容这个问题。比如「我出生在中国，......，我能熟练讲__」，如果让它填空的话，没有 LSTM，RNN 可能无法知道应该填什么，因为「中国」这个 Context 距离比较远，在处理「我能熟练讲」这个序列时，有可能已经丢失了这个重要的 Context。有了 LSTM 就可以解决这个问题。LSTM 也有跟 RNN 类似的链状结构，也会接收前一个 layer ……